Kehitetty on algoritmi, joka määrittelee maalauksen kirjoittajan teoksen piirteiden perusteella ja pystyy erottamaan todelliset maalaukset muiden taiteilijoiden maalaamista väärennöksistä. Kehittäjät ovat kouluttaneet ohjelman lähes kolmensadan kuuluisten taiteilijoiden, kuten Picasson ja Matissen, maalauksiin MIT Technology Review -lehden mukaan. Amerikkalaisten ja hollantilaisten asiantuntijoiden kehitys esitellään AAAI-tekoälykonferenssissa helmikuussa 2018, artikkelin esipainatus julkaistaan arXiv.org-sivustolla.
Koska kuuluisten taiteilijoiden maalauksia on yleensä yhtenä kappaleena, niiden hinnat voivat olla kymmeniä ja satoja miljoonia dollareita. Tämän vuoksi jotkut maalaukset väärentävät väärinkäyttäjien toimesta, ja tämä ei ole aina havaittavissa edes maalaustaitoille. Suojaamiseksi tällaiselta väärentämiseltä ehdotetaan erilaisia menetelmiä, esimerkiksi varustamaan maalauksia yksilöllisillä tunnisteilla, joita on lähes mahdoton väärentää monimutkaisen mikrorakenteensa vuoksi.
Artrendexin ja Rutgersin yliopiston Ahmed Elgammalin johtamat tutkijat Yhdysvalloista ja Alankomaista ovat luoneet algoritmin, joka tunnistaa maalauksen kirjoittajat heidän iskujensa piirteiden perusteella. Vuonna 2015 tämä tutkijaryhmä on jo luonut algoritmin, joka voi luokitella kirjoittajien maalauksia ja jopa tyylejä heidän yksilöllisten ominaisuuksiensa, kuten värien, perusteella. Uudessa teoksessa tutkijat päättivät keskittyä maalauksien yhteen osaan - iskuihin.
Jokainen isku voidaan kuvata monilla ominaisuuksilla, esimerkiksi muoto, pituus, paksuuden tasaisuus iskunpituudella ja muut parametrit. Tutkijat päättivät poimia nämä ominaisuudet tietokonealgoritmeilla. Alun perin maalaukset jaettiin erillisiin iskuihin käyttämällä erityistä algoritmia. Algoritmien tietoaineistona tutkijat käyttivät 297 kuuluisten taiteilijoiden, kuten Picasson ja Matissen, maalauksia, jotka on toteutettu litografian, mustesuunnittelun ja muiden tyylillä. Algoritmi on jakanut nämä kuvat yli 80 000 yksittäiseksi lyönniksi.
Tietojoukko koulutus- ja testausalgoritmeille / Elgammal et ai. / arXiv.org, 2017
Aivohalvausten arvioimiseksi tutkijat päättivät käyttää kahta lähestymistapaa. He kuvasivat perusominaisuuksia, kuten iskun paksuus ja pitkittäisprofiili, käyttämällä erilaisia kuvaajia ja opettivat tukivektorialgoritmin aivohalvausten luokittelemiseksi. Toinen lähestymistapa oli käyttää toistuvaa hermoverkkoa ohjatuilla toistuvilla lohkoilla, jotka etsivät itsenäisesti tietyille taiteilijoille ominaisia piirteitä.
Esimerkki väärennetyistä maalauksista. Ylärivi: väärennös; väärennös; alkuperäinen Matisse. Keskimmäinen rivi: alkuperäinen Matisse; väärennös; väärennös; alkuperäinen Matisse. Alarivi: väärennös; alkuperäinen Matisse; alkuperäinen Picasso; fake / Elgammal et ai. / arXiv.org, 2017
Algoritmien valmistelun jälkeen tutkijat testasivat niitä samassa tietojoukossa ja yhdistämällä molemmat lähestymistavat he saavuttivat taiteilijoiden tunnistustarkkuuden 80 prosenttia. He pyysivät myös viittä taiteilijaa maalaamaan kopioita Picasson, Matissen ja Schielen maalauksista. Saatuaan 83 maalausta he tarkistivat ne algoritmeillaan ja totesivat, että niiden yhdistelmä kykenee tunnistamaan väärennöksen kaikissa näissä maalauksissa.
Mainosvideo:
Muutaman viime vuoden aikana kuvankäsittelyssä ja analyysissa on saavutettu vahvaa vaikutusta hermoverkkoalgoritmeilla. Tällaiset algoritmit voivat esimerkiksi sekoittaa useita taiteellisia tyylejä yhdessä kuvassa, muuttaa luonnoskuvia täysipainoisiksi maalauksiksi ja jopa luoda alkuperäisiä taideteoksia. Samankaltaiset algoritmit toimivat hyvin myös videotallenteiden kanssa. Esimerkiksi äskettäin esiteltiin järjestelmä, jonka avulla voit lisätä kolmannen osapuolen puheen videosekvenssiin, luomalla melkein tarkasti puhujan nivelten kasvoilmaisut.
Grigory Kopiev